(2019 : 264 - Variables aléatoires discrètes. Exemples et applications.)
Le jury attend des candidats qu’ils rappellent la définition d’une variable aléatoire discrète et que des lois usuelles soient présentées, en lien avec des exemples classiques de modélisation. Le lien entre variables aléatoires de Bernoulli, binomiale et de Poisson doit être discuté. Il peut être d’ailleurs intéressant de mettre en avant le rôle central joué par les variables aléatoires de Bernoulli. Les techniques spécifiques aux variables discrètes, notamment à valeurs entières, devront être mises en évidence, comme par exemple la caractérisation de la convergence en loi, la notion de fonction génératrice. $\\$ Pour aller plus loin, le processus de Galton-Watson peut se traiter intégralement à l’aide des fonctions génératrices et cette voie a été choisie par plusieurs candidats : cela donne un développement de très bon niveau pour ceux qui savent justifier les étapes délicates. $\\$ Pour aller beaucoup plus loin, les candidats pourront étudier les marches aléatoires, les chaînes de Markov à espaces d’états finis ou dénombrables, les sommes ou séries de variables aléatoires indépendantes.
(2017 : 264 - Variables aléatoires discrètes. Exemples et applications.)
Le jury attend des candidats qu’ils rappellent la définition d’une variable aléatoire discrète et que des lois usuelles soient présentées, en lien avec des exemples classiques de modélisation. Le lien entre variables aléatoires de
Bernoulli, binomiale et de Poisson doit être discuté. Il peut être d’ailleurs intéressant de mettre en avant le rôle central joué par les variables aléatoires de Bernoulli.
Les techniques spécifiques aux variables discrètes, notamment à valeurs entières, devront être mises en évidence, comme par exemple la caractérisation de la convergence en loi, la notion de fonction génératrice. Pour aller plus loin, le processus de Galton-Watson peut se traiter intégralement à l’aide des fonctions génératrices et cette voie a été choisie par plusieurs candidats : cela donne un développement de très bon niveau pour ceux qui savent justifier les étapes délicates.
Pour aller beaucoup plus loin, les candidats pourront étudier les marches aléatoires, les chaînes de Markov
à espaces d’états finis ou dénombrables, les sommes ou séries de variables aléatoires indépendantes.
(2016 : 264 - Variables aléatoires discrètes. Exemples et applications. )
Le jury attend des candidats qu’ils rappellent la définition d’une variable aléatoire discrète et que des lois usuelles soient présentées, en lien avec des exemples classiques de modélisation. Le lien entre variables aléatoires de Bernoulli, binômiale et de Poisson doit être discuté. Il peut être d’ailleurs intéressant de mettre en avant le rôle central joué par les variables aléatoires de Bernoulli.
Les techniques spécifiques aux variables discrètes, notamment à valeurs entières, devront être mises en évidence, comme par exemple la caractérisation de la convergence en loi.
Pour aller plus loin, la notion de fonction génératrice pourra être abordée. Le processus de Galton-Watson peut se traiter intégralement par fonctions génératrices et cette voie a été choisie par plusieurs
candidats : cela donne un développement de très bon niveau pour ceux qui savent justifier les étapes délicates.
Pour aller beaucoup plus loin, les candidats pourront étudier les marches aléatoires, les chaînes de Markov à espaces d’états finis ou dénombrables, les sommes ou séries de variables aléatoires indépendantes.
(2015 : 264 - Variables aléatoires discrètes. Exemples et applications.)
Le jury attend des candidats qu'ils rappellent la définition d'une variable aléatoire discrète et que des lois usuelles soient présentées, en lien avec des exemples classiques de modélisation. Le lien entre variables aléatoires de Bernoulli, binômiale et de Poisson doit être discuté.
Les techniques spécifiques aux variables discrètes devront être abordées (comme par exemple la caractérisation de la convergence en loi). La notion de fonction génératrice pourra être abordée.
Pour aller plus loin, les candidats ambitieux pourront étudier les chaînes de Markov à espaces d'états finis ou dénombrables.
(2014 : 264 - Variables aléatoires discrètes. Exemples et applications.)
Le jury attend des candidats qu'ils rappellent la définition d'une variable aléatoire discrète et que des lois usuelles soient présentées, en lien avec des exemples classiques de modélisation.
Les techniques spécifiques aux variables discrètes devront être abordées (comme par exemple la caractérisation de la convergence en loi). La notion de fonction génératrice pourra être abordée.
Pour aller plus loin, certains candidats pourront étudier les chaînes de Markov à espaces d'états finis ou dénombrables.
